基于层次提示词引导的密集小目标时空动作检测研究

简介

本项目研究密集小目标场景中的时空动作检测，旨在解决识别难、交互多和变化快的问题。我们提出层次提示词学习框架，在多模态大模型中设计分层提示学习策略，引导大模型生成从全局到细节的多粒度描述，提高视觉特征表达能力，并在3个公开数据集均获近30%精度提升。我们还构建首个十万多帧标注的密集小目标动作描述数据集，解决传统数据集标注粒度与场景复杂度失配问题。本项目为体育分析提供技术支撑，推动科技体育精细化发展。